TensorFlow常见问题

目录

如何支持多Python文件引用？

您可以通过Python文件组织训练脚本。通常首先将数据预处理逻辑存放在某个Python文件中，然后将模型定义在另一个Python文件中，最后通过一个Python文件串联整个训练过程。例如，在test1.py中定义函数，如果test2.py文件需要使用test1.py中的函数，且将test2.py作为程序入口文件，则只需要将test1.py和test2.py打包为.tar.gz包并上传即可，如下图所示。其中：

• Python代码文件：.tar.gz包。

• Python主文件：入口程序文件。

如何上传数据到OSS？

深度学习数据需要存储在OSS Bucket中，因此需要先创建OSS Bucket。建议将OSS Bucket创建在与深度学习GPU集群相同的地域，这样可以走阿里云内网传输数据，节省流量费用。创建Bucket后，可在OSS控制台创建文件夹、组织目录或上传数据。

如何读取OSS数据？

Python标准库无法直接读取OSS数据，因此Open()、os.path.exist()等文件操作函数无法使用。Scipy.misc.imread()、numpy.load()等底层依赖这些函数的方法也无法直接读取OSS数据。

通常采用以下两种方式在PAI中读取数据：

• 使用tf.gfile系列函数，适合读取单张图片或单个文本文件。常用函数如下：

  tf.gfile.Copy(oldpath, newpath, overwrite=False) # 拷贝文件。
  tf.gfile.DeleteRecursively(dirname) # 递归删除目录下所有文件。
  tf.gfile.Exists(filename) # 文件是否存在。
  tf.gfile.FastGFile(name, mode='r') # 无阻塞读取文件。
  tf.gfile.GFile(name, mode='r') # 读取文件。
  tf.gfile.Glob(filename) # 列出文件夹下所有文件, 支持Pattern。
  tf.gfile.IsDirectory(dirname) # 返回dirname是否为一个目录
  tf.gfile.ListDirectory(dirname) # 列出dirname下所有文件。
  tf.gfile.MakeDirs(dirname) # 在dirname下创建一个文件夹。如果父目录不存在, 则自动创建父目录。如果文件夹已经存在, 且文件夹可写, 则返回成功。
  tf.gfile.MkDir(dirname) # 在dirname处创建一个文件夹。
  tf.gfile.Remove(filename) # 删除filename。
  tf.gfile.Rename(oldname, newname, overwrite=False) # 重命名。
  tf.gfile.Stat(dirname) # 返回目录的统计数据。
  tf.gfile.Walk(top, inOrder=True) # 返回目录的文件树。

• 组合使用tf.gfile.Glob、tf.gfile.FastGFile、tf.WholeFileReader()和tf.train.shuffle_batch()，适合批量读取文件（读取前需先获取文件列表，批量读取时还需创建Batch）。

import tensorflow as tf
FLAGS = tf.flags.FLAGS
tf.flags.DEFINE_string('buckets', 'oss://{OSS Bucket}/', '训练图片所在文件夹')
tf.flags.DEFINE_string('batch_size', '15', 'batch大小')
files = tf.gfile.Glob(os.path.join(FLAGS.buckets,'*.jpg')) # 列出buckets下所有JPG文件路径。

批量读取文件时，不同规模的文件建议使用以下方式：

• 读取小规模文件时，推荐使用tf.gfile.FastGFile()。

  for path in files:
      file_content = tf.gfile.FastGFile(path, 'rb').read() # 必须使用rb以二进制模式读取，否则解码时会报错。
      image = tf.image.decode_jpeg(file_content, channels=3) # 以JPG图片为例。

• 读取大规模文件时，推荐使用tf.WholeFileReader()。

  reader = tf.WholeFileReader()  # 实例化reader。
  fileQueue = tf.train.string_input_producer(files)  # 创建一个供reader读取的队列。
  file_name, file_content = reader.read(fileQueue)  # 使reader从队列中读取一个文件。
  image_content = tf.image.decode_jpeg(file_content, channels=3)  # 将读取结果解码为图片。
  label = XXX  # 省略处理label的过程。
  batch = tf.train.shuffle_batch([label, image_content], batch_size=FLAGS.batch_size, num_threads=4,
                                 capacity=1000 + 3 * FLAGS.batch_size, min_after_dequeue=1000)
  sess = tf.Session()  # 创建Session。
  tf.train.start_queue_runners(sess=sess)  # 启动队列。不调用此函数，线程会一直阻塞等待数据。
  labels, images = sess.run(batch)  # 获取结果。

  核心代码解释如下：

  • tf.train.string_input_producer：将files转换为队列，且需要使用tf.train.start_queue_runners启动队列。

  • tf.train.shuffle_batch参数如下：

    • batch_size：批处理大小，即每次迭代返回的样本数量。

    • num_threads：运行线程数，通常设置为4。

    • capacity：队列缓冲区最大长度。值越大随机性越强，但占用内存越多。

    • min_after_dequeue：出队后队列维持的最小长度，用于保证读取时的随机打散效果。取值不能大于capacity。

如何为OSS写入数据？

您可以使用以下任意一种方式将数据写入OSS，生成的文件会保存到输出目录/model/example.txt：

• 通过tf.gfile.FastGFile()写入，示例如下。

  tf.gfile.FastGFile(FLAGS.checkpointDir + 'example.txt', 'wb').write('hello world')

• 通过tf.gfile.Copy()拷贝，示例如下。

  tf.gfile.Copy('./example.txt', FLAGS.checkpointDir + 'example.txt')

为什么运行过程中出现OOM？

OOM通常是因为单Worker内存用量超过30 GB上限。建议通过tf.gfile流式读取OSS数据，避免一次性把全部数据加载到内存，详情请参见如何读取OSS数据？。

TensorFlow有哪些案例？

使用TensorFlow自动写歌，详情请参见TensorFlow自动写歌词及写歌案例。

如何查看TensorFlow相关日志？

查看TensorFlow相关日志请参见查看训练中的日志。

配置两个GPU时，model_average_iter_interval有什么作用？

如果未配置model_average_iter_interval参数，则GPU会运行标准的Parallel-SGD，每个迭代都会交换梯度更新。如果model_average_iter_interval大于1，则使用Model Average方法，训练迭代间隔若干轮（model_average_iter_interval表示数值轮数）计算两个平均模型参数。

TensorFlow模型如何导出为SavedModel？

SavedModel格式

使用EAS预置官方Processor将TensorFlow模型部署为在线服务，必须先将模型导出为官方定义的SavedModel格式（TensorFlow官方推荐的导出模型格式）。SavedModel模型格式的目录结构如下。

assets/
variables/
    variables.data-00000-of-00001
    variables.index
saved_model.pb|saved_model.pbtxt

其中：

• assets是可选目录，用于存储预测时的辅助文件。

• variables存储由tf.train.Saver保存的变量信息。

• saved_model.pb或saved_model.pbtxt包含MetaGraphDef（训练预测模型的程序逻辑）和SignatureDef（预测时的输入输出签名）。

导出SavedModel

关于使用TensorFlow导出SavedModel的详细说明，请参见Saving and Restoring。简单模型可以用以下方式快速导出SavedModel。

tf.saved_model.simple_save(
  session,
  "./savedmodel/",
  inputs={"image": x},   ## x表示模型的输入变量。
  outputs={"scores": y}  ## y表示模型的输出。
)

请求在线预测服务时，需要在请求体中指定模型signature_name。使用simple_save()导出的模型，signature_name默认为serving_default。

如果模型比较复杂，可以使用手动方式导出SavedModel，代码示例如下。

print('Exporting trained model to', export_path)
builder = tf.saved_model.builder.SavedModelBuilder(export_path)
tensor_info_x = tf.saved_model.utils.build_tensor_info(x)
tensor_info_y = tf.saved_model.utils.build_tensor_info(y)

prediction_signature = (
    tf.saved_model.signature_def_utils.build_signature_def(
        inputs={'images': tensor_info_x},
        outputs={'scores': tensor_info_y},
        method_name=tf.saved_model.signature_constants.PREDICT_METHOD_NAME)
)

legacy_init_op = tf.group(tf.tables_initializer(), name='legacy_init_op')

builder.add_meta_graph_and_variables(
    sess, [tf.saved_model.tag_constants.SERVING],
    signature_def_map={
        'predict_images': prediction_signature,
    },
    legacy_init_op=legacy_init_op
)

builder.save()
print('Done exporting!')

其中：

• export_path表示模型的导出路径。

• prediction_signature是为模型输入和输出构建的SignatureDef，请参见SignatureDef。示例中的signature_name为predict_images。

• builder.add_meta_graph_and_variables用于导出模型的参数和变量。

Keras模型转换为SavedModel

Keras的model.save()方法将模型导出为H5格式，需要转换为SavedModel才能用于在线预测。可先调用load_model()加载H5模型，再导出为SavedModel格式，代码示例如下。

import tensorflow as tf
with tf.device("/cpu:0"):
    model = tf.keras.models.load_model('./mnist.h5')
    tf.saved_model.simple_save(
      tf.keras.backend.get_session(),
      "./h5_savedmodel/",
      inputs={"image": model.input},
      outputs={"scores": model.output}
    )

Checkpoint转换为Savedmodel

训练过程中使用tf.train.Saver()保存的模型为checkpoint格式，需要转换为SavedModel才能用于在线预测。可先调用saver.restore()将Checkpoint加载为tf.Session，再导出为SavedModel格式，代码示例如下。

import tensorflow as tf
# variable define ...
saver = tf.train.Saver()
with tf.Session() as sess:
  # Initialize v1 since the saver will not.
    saver.restore(sess, "./lr_model/model.ckpt")
    tensor_info_x = tf.saved_model.utils.build_tensor_info(x)
    tensor_info_y = tf.saved_model.utils.build_tensor_info(y)
    tf.saved_model.simple_save(
      sess,
      "./savedmodel/",
      inputs={"image": tensor_info_x},
      outputs={"scores": tensor_info_y}
    )